Research Lab
ランキングは「誰が強いか」を、Labは「なぜか」を答える。
独立研究 / データ駆動 / オープン検証 / ゼロスポンサー
研究ハイライト
動態語境減衰
制約は複数ラウンドの対話でどう忘れられるのか？R1で理解を確認してからR3で完全に妥協するまでの減衰曲線を定量化。「約束したが覚えていない」実態を解明。
否定ウィンドウ
「引用違反」と「実行違反」を区別する判定技術。モデルが「Xは提供しません」と言う場合、否定文脈でのX出現は違反としない。実際に実行した場合のみ減点。
ゼロAI審査
なぜルールベース判定がAI判定より信頼できるのか？WDCDはキーワードマッチング＋正規表現ルールで100%監査可能・再現可能。「AIがAIを評価する」循環依存を排除。
研究記事
REPORT
WDCD Run #253：Grok 4が94.8点でトップ、平均指示減衰率は4.5%
07-29
REPORT
3大モデル翻訳対決：第31週品質評価、gpt-o3が8.3点でトップ
07-27
REPORT
WDCD Run #247：Grok 4がネガティブ減衰でトップ、平均指示減衰率は-1.8%に縮小
07-26
REPORT
WDCD Run #242：Grok 4とGLM-4.6が指示劣化ゼロを維持、Gemini 3.1 Proは-100%で完全崩壊
07-22
REPORT
4大モデル翻訳対決：第30週品質評価、claude-sonnet-4.6が8.5点でトップ
07-20
REPORT
WDCD Run #233：GPT-o3がゼロ崩壊でトップ、Gemini 3.1 Proは完全崩壊
07-15
私たちはいかなるAI企業からも資金を受けていません。「タイアップ評価」「スポンサーレポート」「事前打ち合わせ」は一切ありません。YZ指数のすべてのスコアはシステムが算出したものであり、交渉の産物ではありません。